تصفح الوثائق
الأدلة
افتح وصف الفيديو واختر عرض النص. إذا توفرت نصوص مصاحبة، يمكنك قراءة الكلمات والانتقال إلى لحظة نطقها. لا تحتاج إلى واجهة API أو تنزيل أي ملف.
في هذه الصفحة
كيفية الحصول على نص مفرّغ من YouTube دون تنزيل الفيديو
- اعثر على المقطع المطلوب. في صفحة المشاهدة، وسّع الوصف واختر عرض النص. اختر سطرًا لتشغيل تلك اللحظة.
- تحقّق من اللغة. تتحكم قائمة الترجمة/CC في المشغّل بالنص المعروض. ويتحكم خيار المقطع الصوتي، عند توفره، فيما تسمعه. تغيير الصوت لا يضمن تغيّر النص المفرّغ معه.
- تحقّق من الاقتباس. انسخ المقطع إذا كان تحديد النص متاحًا، أو دوّن الكلمات والطابع الزمني. أعد تشغيله للتحقق من الأسماء والأرقام وكلمات مثل «ليس» التي قد تقلب المعنى.
حفظ النصوص المصاحبة لفيديو تديره
في YouTube Studio → الترجمة، اختر الفيديو ثم اختر تعديل بجوار اللغة المطلوبة. ضمن الخيارات، اختر تنزيل الترجمة. احتفظ بالملف ذي التوقيتات؛ يمكنك تصدير نسخة نصية عادية لاحقًا.
إذا لم يوجد مسار نصي بعد وكانت لديك نسخة مكتوبة باللغة المنطوقة، يمكن لـ Studio مزامنتها مع الصوت.
عندما لا يوجد مسار للنصوص المصاحبة
يقرأ استرجاع النصوص المصاحبة نصًا موجودًا، أما التفريغ فينشئ نصًا جديدًا من الصوت. للتسجيلات التي تملكها أو يُسمح لك بمعالجتها، استخدم أداة لتحويل الكلام إلى نص في وضع التفريغ النصي (transcribe) للحفاظ على اللغة المنطوقة. الترجمة خطوة منفصلة. إذا لم تتوفر نصوص مصاحبة أو صلاحية للوصول إلى الصوت، فاطلب نصًا مفرّغًا من الناشر.
لتفريغ مقابلة خاصة بك باللغة الإنجليزية محليًا، مثلًا، اختر أولًا التدفق الصوتي الصحيح. بعد تثبيت FFmpeg وwhisper-cli من دليل البدء السريع لـ whisper.cpp ونموذجه الإنجليزي base.en، ينتج المثال التالي كلاً من interview.txt وinterview.srt:
ffmpeg -i interview.mp4 -map 0:a:0 -ac 1 -ar 16000 -c:a pcm_s16le interview.wav
whisper-cli -m models/ggml-base.en.bin -f interview.wav -l en -otxt -osrt -of interviewيختار 0:a:0 هنا التدفق الصوتي الأول، وليس بالضرورة اللغة الأصلية. استمع إليه أولًا. للكلام الياباني، مثلًا، اختر التدفق الياباني، واستخدم النموذج متعدد اللغات ggml-base.bin، واضبط -l ja. راجع الناتج بمقارنته بالتسجيل. أُنشئ هذا النص بعملية التفريغ التي نفّذتها أنت؛ وليس مسارًا نصيًا قدّمه YouTube.
ما النصوص المصاحبة والترجمات المرئية والنصوص المفرّغة؟
مسار النصوص المصاحبة هو تسلسل من المقاطع النصية الموقّتة: نص والوقت الذي ينبغي ظهوره فيه. يمكن تشغيل النصوص المصاحبة المغلقة وإيقافها. وتنقل النصوص المخصصة لإمكانية الوصول الأصوات ذات الدلالة إلى جانب الكلام، مثل تغيّر المتحدث أو طرق الباب أو إنذار يتفاعل معه أحدهم. تشير الترجمة المرئية غالبًا إلى حوار مترجم، لكنها تعني أيضًا في بلدان كثيرة نصوصًا مصاحبة باللغة نفسها. ولا يكفي اسم الخيار في القائمة لمعرفة من كتب الكلمات أو ما إذا كانت ترجمة.
يعرض النص المفرّغ الكلمات للقراءة، مع طوابع زمنية أو بدونها. لوحة النص في YouTube هي عرض قابل للقراءة للنصوص المصاحبة، وليست تفريغًا ثانيًا مستقلًا. أما الملخّص فمختلف أيضًا: قد يحذف معلومات أو يعيد صياغتها. إذا قال متحدث «ضعه هنا» وهو يشير إلى رسم توضيحي، فقد يورد النص المفرّغ هذه الكلمات نفسها دون توضيح المكان. ويضيف التفريغ الوصفي المعلومات المرئية الناقصة.
الأنواع الثلاثة للنصوص المصاحبة في YouTube
عند مقارنة النصوص المفرّغة، صنّف مسار النصوص المصاحبة الذي استلمته فعلًا. المصادر الثلاثة الشائعة هي النصوص التي يقدّمها منشئ المحتوى، والتفريغ التلقائي من YouTube، والترجمة التلقائية من YouTube. تستخدم العمليتان الأخيرتان الأتمتة، لكن إحداهما فقط تستمع إلى الكلام.
| مصدر النصوص المصاحبة | كيفية إنشاء النص | مثال: مقابلة باللغة اليابانية |
|---|---|---|
| من منشئ المحتوى (رافع الفيديو) | تقدّم القناة الصياغة أو تنشرها. وقد تكون مكتوبة يدويًا أو مرفوعة في ملف أو معدّلة من مسودة تلقائية. وليست بالضرورة مكتوبة من الصفر أو مطابقة للكلام حرفيًا. | ينشر منشئ المحتوى ترجمة إنجليزية تقول "Please wait a moment.". هذه ترجمة، لكن مصدرها يظل منشئ المحتوى، وليس ميزة الترجمة التلقائية في YouTube. |
| منشأة تلقائيًا بواسطة YouTube (التعرّف على الكلام، أو ASR) | يحوّل YouTube الكلام إلى نص باللغة نفسها. وقد يخطئ في سماع المتحدث؛ ولا تتضمن هذه العملية ترجمة. | يقول الضيف chotto matte. ويمثّل المسار هذه الكلمات باللغة اليابانية. |
| مترجمة تلقائيًا بواسطة YouTube (ترجمة آلية) | يحوّل YouTube نصًا مصاحبًا موجودًا إلى لغة أخرى. وقد يكون المصدر من رافع الفيديو أو منشأً تلقائيًا. ولا يستمع إلى دبلجة باللغة المستهدفة. | يترجم YouTube النص المصاحب الياباني إلى الإنجليزية بصيغة "Wait a little.". إذا أخطأ النص الياباني في التقاط اسم، فقد ينتقل هذا الخطأ إلى الترجمة. |
لماذا قد تتعدد النصوص الإنجليزية لفيديو واحد؟
الدبلجة صوت، وليست نوعًا رابعًا من النصوص المصاحبة. في المقابلة الافتراضية نفسها، قد يقول مؤدي الصوت الإنجليزي "Give me a second.". تنقل الترجمتان الإنجليزيتان أعلاه المعنى، لكن أيًا منهما لا يتضمن تلك الكلمات المنطوقة. استخدم أيًا منهما للفهم، واستمع إلى الدبلجة للحصول على اقتباس مباشر، واحتفظ بالنص المصدر وطريقة الترجمة بصورة منفصلة عند بناء مجموعة بيانات للترجمة.
الصوت الأصلي هو الأداء المصدر؛ أما التشغيل الافتراضي فهو ما يختاره المشغّل، وقد يختلف باختلاف تفضيلات المشاهد. تغيير لغة النصوص المصاحبة لا يبدّل الصوت. لا تفترض أن لكل دبلجة مسار ASR مطابقًا: يصف YouTube النصوص التلقائية للفيديوهات متعددة المسارات الصوتية بأنها باللغة الافتراضية، وليس تفريغًا مستقلًا لكل دبلجة.
صيغ النصوص المفرّغة من YouTube: TXT وSRT وVTT وJSON
| الصيغة | الاستخدام المناسب | ما ينبغي مراعاته |
|---|---|---|
| نص عادي (TXT) | القراءة أو الملاحظات أو التلخيص | سهل التحرير، لكن تحويل المسار إلى نص متصل يفقد الصلة بين كل سطر وموضعه في الفيديو، ما لم تحتفظ بها بصورة منفصلة. |
| SubRip (SRT) | نقل النصوص الموقّتة بين برامج التحرير والمشغّلات | مقاطع نصية مرقّمة مع وقت بداية ونهاية. مفيدة عندما يكون التشغيل أهم من التنسيق المتقدم. |
| WebVTT (VTT) | نصوص مصاحبة لمشغّل ويب | تحافظ على توقيت المقاطع النصية، ويمكن أن تتضمن معلومات إضافية مثل الموضع أو تسميات الأصوات إذا أدرجها المؤلف. |
| JSON أو JSON Lines (JSONL) | البحث عبر فيديوهات متعددة أو بناء مجموعات بيانات | أنت تختار بنية البيانات. وضّح ما إذا كانت الأوقات بالثواني أو بالملّي ثانية، وما إذا كانت تشير إلى الفيديو كاملًا أو إلى مقطع مصدّر منه. |
إليك النص الذي رفعه منشئ المحتوى في المثال الافتراضي بصيغة WebVTT. تحدد مدته البالغة 1.9 ثانية وقت عرض المقطع النصي، لا بداية كل كلمة ونهايتها.
WEBVTT
00:01:04.200 --> 00:01:06.100
Please wait a moment.قد تقتصر النسخة النصية على "Please wait a moment.". وتكون الملاحظة القابلة للبحث أكثر فائدة بصيغة "01:04 · Please wait a moment.". إذا اقتطعت مقطع فيديو يبدأ عند 01:00، فيجب عرض النص عند 4.2 إلى 6.1 ثانية من ذلك المقطع، وليس 64.2 إلى 66.1. احتفظ بالنطاق الزمني الأصلي لتتمكن من إعادة بناء الإحالة.
كيفية بناء مجموعة بيانات من النصوص المفرّغة لفيديوهات YouTube
حدّد ما يفترض أن يثبته مثال واحد قبل جمع آلاف المسارات. فقد يصلح المقطع النصي نفسه لمجموعة بيانات ولا يصلح لأخرى:
| هدف مجموعة البيانات | الأدلة المفيدة | ما ينبغي رفضه أو تصنيفه بصورة منفصلة |
|---|---|---|
| البحث أو التلخيص أو الإجابة عن الأسئلة | مقطع نصي مقروء، ولغته، ومعرّف الفيديو، ونطاق زمني للاستشهاد به | لا تعرض مقطعًا مترجمًا على أنه اقتباس حرفي من المتحدث. احتفظ بالملخّصات منفصلة عن النص المصدر. |
| التعرّف على الكلام أو محاذاة الكلمات | مقطع صوتي محدد مقترن بالكلمات المسموعة فيه فعلًا | ارفض الدبلجات غير المطابقة وإعادة الصياغة بوصفها تسميات حرفية للكلام. وافصل نتائج ASR غير المراجعة عن النصوص المرجعية التي تحقّق منها أشخاص. |
| ترجمة الكلام أو النص | كلام أو نص مصدر محدد وترجمته المقابلة | ميّز بين الترجمة البشرية والآلية متى كانت المعلومة معروفة. قد تنقسم المقاطع النصية أو تندمج بين اللغات؛ فليس بالضرورة أن يكون السطر 12 ترجمة للسطر 12. |
| التدريب على الفيديو والنص أو التدريب متعدد الوسائط | نص يصف ما يظهر في إطارات الفيديو المعنية | قد يشير السرد إلى شيء خارج إطار الكاميرا أو إلى الخطوة التالية. على سبيل المثال، استخدم HowTo100M السرد الإرشادي إشارةً للتدريب، لا أوصافًا لكل إطار جرى التحقق منها يدويًا. |
تسجيل زوج الصوت والنص المصاحب
لا يكفي معرّف الفيديو وحده: فهو لا يبيّن أي صوت استخدمت، ولا نسخة النصوص التي استرجعتها، ولا سبب قبول المراجع للزوج. فيما يلي سجل توضيحي واحد لمجموعة بيانات، وليس استجابة من واجهة YouTube أو FlashData API:
{
"video_id": "EXAMPLE0001",
"audio_asset": "interview-en-dub.wav",
"audio_language": "en",
"caption_language": "en",
"caption_origin": "uploader",
"start_s": 64.2,
"end_s": 66.1,
"time_base": "source_video",
"text": "Please wait a moment.",
"review": "English dub says 'Give me a second.'",
"use_for_search": true,
"use_as_verbatim_speech_label": false
}القرار الأخير هو المقصود: كلتا اللغتين إنجليزية والمقطع النصي في توقيته الصحيح، ومع ذلك فإن النص ليس تسمية حرفية للكلام. عند جمع بيانات فعلية، سجّل أيضًا معرّف المصدر أو المسار إن توفر، وتاريخ الاسترجاع، ومعرّف الملف أو الإصدار، والإذن أو الترخيص الذي يغطي الاستخدام المقصود. اترك المصدر المجهول مجهولًا بدل استنتاجه من اسم الملف.
فحص المجموعة قبل استخدامها
- قِس التغطية. احسب عدد الفيديوهات التي حاولت معالجتها، والفيديوهات التي لها مسار باللغة المستهدفة، والفيديوهات التي تستوفي سياسة الجودة لديك. ميّز بين «لا توجد نصوص مصاحبة مستوفية للشروط» و«تعذّر الاسترجاع». وإلا فقد يبدو الفشل المؤقت وكأنه ضعف في تغطية لغة معينة.
- استمع وافحص عينات. راجع مقاطع من لغات ومصادر نصوص وقنوات مختلفة. تحقّق من تطابق الأرقام والأسماء والنفي وتغيّر المتحدثين وحدود المقاطع النصية مع التسجيل الفعلي. للكلام الحرفي، قارن عينة بنص مرجعي جرى تفريغه بصورة مستقلة. يحسب معدل أخطاء الكلمات عمليات الاستبدال والحذف والإضافة نسبةً إلى عدد كلمات المرجع؛ وليس مقياسًا لجودة الترجمة أو دقة التوقيت.
- احتفظ بالمصدر والمرجع الزمني. احتفظ بالمسار الموقّت إلى جانب النص المنقّح متى كان ذلك مسموحًا. وحّد فواصل الأسطر للبحث، لكن لا تحذف العبارات المتكررة بلا تمييز؛ فقد تكون عبارة «لا، لا» كلامًا حقيقيًا. تحقّق من المقاطع النصية قياسًا إلى مدة مقطع الفيديو، وراعِ أي إزاحة ناتجة عن الاقتطاع.
- قسّم حسب التسجيل، لا حسب سطر النص. ضع المقاطع والدبلجات والترجمات التابعة للتسجيل نفسه في القسم نفسه من بيانات التدريب أو الاختبار. وإلا فقد يرى النموذج المقابلة نفسها أثناء التدريب والتقييم. واستبعد الأزواج غير المتحقق منها من مجموعة تقييم مخصصة لقياس دقة النقل الحرفي.
- تحقّق من الحقوق قبل الجمع أو النشر. إتاحة المشاهدة للعامة لا تعني السماح بإعادة التوزيع أو التدريب. سجّل ما يجيز استخدامك المقصود، وتحقّق من وجود معلومات شخصية، وضع خطة للتصحيحات أو الإزالة. افصل هذا القرار عن الجودة التقنية.
استرجاع المسارات الموجودة باستخدام FlashData
استخدم هذا المسار عندما تكون لديك معرّفات فيديوهات وتريد نصوصًا مصاحبة موجودة بالفعل في صورة نص ومقاطع موقّتة. فهو لا يحوّل الكلام إلى نص لفيديو لا تتوفر له نصوص مصاحبة. يستخدم YouTube Transcript وYouTube Captions قواعد اختيار المسارات نفسها، لكن الإعدادات الافتراضية تختلف: يتيح youtube_transcript المصادر التلقائية (auto: true)، بينما يقتصر youtube_captions افتراضيًا على ما يرفعه صاحب الفيديو (auto: false). ويستهدف كلاهما الإنجليزية عند إغفال language.
إليك مثال Python لفيديو واحد باستخدام requests. استبدل المفتاح الوهمي واستخدم معرّف فيديو يُسمح لك بمعالجته. يعتمد التوفر على الفيديو:
import requests
response = requests.post(
"https://data.flashdata.dev/v1/queries/realtime",
headers={"X-API-Key": "your-api-key"},
json={
"source": "youtube_transcript",
"video_id": "jNQXAC9IVRw",
"params": {"language": "en", "auto": True},
},
timeout=(5, 90),
)
response.raise_for_status()
track = response.json()["results"][0]
print(track["languageCode"], track["captionSource"])
print(track["fullText"])
for cue in track["segments"]:
print(f"{cue['start']:.3f} to {cue['end']:.3f} s: {cue['text']}")اختيار اللغة ومصدر النصوص المصاحبة
يطلب رمز لغة مثل "en" الإنجليزية بغض النظر عن الصوت. ولمتابعة مسار صوتي بدلًا من ذلك، استخدم "original" للغة الموسومة بأنها الأصلية، أو "default" للغة التشغيل المحددة لعامل المعالجة، وليس لإعداد متصفحك. يحدّد FlashData كليهما من معلومات الصوت ضمن عملية الاستخراج نفسها.
يعمل رمز المسار الصريح بطريقة مختلفة: يطلب "en-orig" مع auto: true ذلك المسار التلقائي بعينه، دون اللجوء إلى بديل. اللاحقة -orig اصطلاح تسمية في yt-dlp، وليست دليلًا على أن الإنجليزية كانت لغة الصوت الأصلي.
عند استخدام رمز لغة عادي أو "default" أو "original"، يجرّب auto: true مصادر النصوص المصاحبة بالترتيب التالي، وكلها باللغة المستهدفة:
- التعرّف على الكلام بلغته نفسها (
youtube_asr): فرّغ YouTube الكلام إلى نص. - النصوص المصاحبة من رافع الفيديو (
uploader): قدّمت القناة النص. - النصوص المصاحبة التلقائية غير المصنّفة (
youtube_auto_unknown): لا تميّز الأدلة بين ASR والترجمة. هذا غموض في المصدر، وليس طريقة رابعة لإنشاء النصوص المصاحبة. - الترجمة الآلية من YouTube (
youtube_translated): ترجم YouTube مسار نصوص مصاحبة آخر.
مع auto: false، لا تُقبل إلا النصوص المصاحبة من رافع الفيديو. في مثال المقابلة، افترض أن لغة التشغيل محددة بالإنجليزية. يوجد نص إنجليزي مرفوع وترجمة من YouTube، لكن لا يوجد ASR إنجليزي. يؤدي طلب "default" مع auto: true إلى إرجاع captionSource: "uploader" وisAutoGenerated: false.
طلب أكثر من لغة
أرسل مصفوفة مثل ["original", "en", "es"] للفيديو نفسه. يطلب ذلك كل محدد من 1 إلى 10 محددات متميزة وفق سياسة auto واحدة، وليس أول لغة متاحة. وحتى المصفوفة ذات العنصر الواحد تعيد results[0].tracks وresults[0].errors بدل مسار واحد.
تبقى المسارات الناجحة بترتيب الطلب. طابق المسار باستخدام requestedLanguageCode عند وجوده، وإلا فاستخدم languageCode. وتحدّد الأخطاء المحدد الذي فشل باستخدام languageCode. احتفظ بالنتائج الناجحة إذا فشلت لغة أخرى. وإذا لم ينجح أي منها، فعالج الخطأ على مستوى الطلب.
التمييز بين مسار غير متوفر وفشل استرجاعه
عدم التأكد من اللغة الأصلية (youtube_original_language_unknown) يختلف عن معرفة اللغة الأصلية مع عدم توفر نصوص مصاحبة مستوفية للشروط (youtube_original_subtitles_unavailable). وللتشغيل الافتراضي، يكون الخطآن المقابلان هما youtube_default_language_unknown وyoutube_default_subtitles_unavailable.
إذا أعاد YouTube الحالة HTTP 429 عند تقديم النصوص المصاحبة المترجمة ولم ينجح أي مسار مطلوب، فقد تُبلغ واجهة FlashData الآنية عن HTTP 502 مع youtube_subtitle_retrieval_failed. وعند النجاح الجزئي، قد يظهر للمحدد الذي فشل errors[].code: "retrieval_failed" بدلًا من ذلك. لا تكفي الحالة 502 وحدها لتشخيص حدوث 429 لدى YouTube. كما أن الحالة 429 الصادرة من محدد معدل الطلبات لدى FlashData منفصلة عن 429 لدى YouTube.
تختار واجهة YouTube Download API الصوت بصورة مستقلة عبر audio_language، وقد تلجأ إلى مسار بديل؛ لذا فإن طلب "original" من كلتا الواجهتين لا يثبت المحاذاة. راجع وصفة النصوص المصاحبة ذات الطوابع الزمنية لحفظ النتائج، ودليل ملفات Bulk لمعالجة قائمة من معرّفات الفيديوهات.
أسئلة شائعة عن النصوص المفرّغة من YouTube
هل يمكنني الحصول على نص مفرّغ من YouTube مجانًا دون تنزيل الفيديو؟
نعم، عند توفر نصوص مصاحبة، تتيح ميزة عرض النص في YouTube قراءة النص في صفحة المشاهدة دون شراء أداة أو تنزيل وسائط. إذا كنت تحتاج إلى محاضرة أو مقابلة واحدة، فابدأ بها.
لماذا لا يوجد نص مفرّغ مع أنني أرى ترجمة في الصورة؟
أوقف النصوص المصاحبة المغلقة. إذا بقيت الكلمات، فقد تكون مدمجة في الصورة نفسها، لا في مسار نصي قابل للاختيار. وقد لا تتوفر للفيديو نصوص مصاحبة منشورة أصلًا، أو قد تكون النصوص التلقائية قيد المعالجة. للمحتوى المصرّح لك بمعالجته، فرّغ الصوت إذا أردت ما قيل، أو استخدم التعرّف الضوئي على الحروف (OCR) مع المراجعة إذا احتجت إلى الكلمات الدقيقة المطبوعة على الشاشة. وقد يختلف الاثنان.
هل يمكنني الحصول على نص إنجليزي إذا كان الصوت بلغة أخرى؟
غالبًا، لكن ليس دائمًا. ابحث أولًا عن ترجمة إنجليزية؛ وإذا لم تجدها في القائمة، فتحقّق مما إذا كان المشغّل يوفّر ترجمة تلقائية. تترجم هذه الميزة النصوص المصاحبة المتاحة. وهي لا تنشئ صوتًا إنجليزيًا ولا تثبت أن الدبلجة الإنجليزية استخدمت الكلمات نفسها.
هل تعني «منشأة تلقائيًا» أنها «مترجمة آليًا»؟
لا. يحوّل التعرّف على الكلام النطق إلى كتابة باللغة نفسها. أما الترجمة الآلية فتحوّل النص من لغة إلى أخرى. قد تكون العمليتان تلقائيتين، وقد تنطلق الترجمة من تعرّف غير دقيق على الكلام. إذا لم يُكشف عن المنشأ، فصنّفه على أنه غير معروف.
لماذا يُبلغ yt-dlp عن HTTP 429 للنصوص المترجمة تلقائيًا في YouTube؟
قد يُدرج الفيديو ترجمة حتى عندما يرفض YouTube طلب نصها بالحالة HTTP 429 (Too Many Requests). في بلاغ yt-dlp رقم #13831، يحدّد الشرح المثبّت من مسؤول الصيانة النصوص المترجمة تلقائيًا في YouTube بوصفها الحالة المتأثرة. لم تتأثر المسارات المقدّمة من رافع الفيديو ولا ASR باللغة الأصلية بتلك المشكلة تحديدًا. لا يعني هذا أن كل الترجمات تفشل أو أن طلبات النصوص الأخرى لا يمكن أن تخضع لتقييد المعدل.
إذا كنت تحتاج فقط إلى نص مقروء، فابحث عن مسار موجود بلغتك المستهدفة، يقدّمه رافع الفيديو أو ينتجه ASR من الكلام باللغة نفسها. وإذا كنت تحتاج تحديدًا إلى ترجمة YouTube، فاحتفظ بالمسارات الناجحة وأجّل الترجمة التي فشلت وحدها. التزم بـ Retry-After إذا تضمّنته الاستجابة؛ وإلا فزد فترة الانتظار تدريجيًا، وحدّد عدد المحاولات، وتجنّب إعادة محاولة المجموعة بأكملها دفعة واحدة. سجّل النتيجة على أنها فشل في الاسترجاع، لا عدم وجود نصوص مصاحبة. نجاح استرجاع مسار ياباني لا يلبّي طلبًا للإنجليزية.
كيف أحصل على النص وحده دون الطوابع الزمنية؟
صدّر نسخة نصية عادية من ملف النصوص المصاحبة، أو اجمع نصوص مقاطعه بالترتيب. احتفظ بالأصل الموقّت إذا كنت قد تستشهد بسطر أو تنشئ مقاطع فيديو أو تصحّح خطأ لاحقًا. إزالة الطوابع الزمنية سهلة؛ أما استعادة توقيت دقيق من فقرة فهي مهمة محاذاة منفصلة.
هل تتوفر نصوص مفرّغة لفيديوهات YouTube Shorts والبث المباشر؟
يدعم YouTube النصوص المصاحبة التلقائية لفيديوهات Shorts المؤهلة، وكذلك للفيديوهات الطويلة، لكن توفرها غير مضمون. النصوص المصاحبة للبث المباشر وللفيديو المؤرشف ليست بالضرورة نفسها: يقول YouTube إنه ينشئ نصوصًا تلقائية جديدة للنسخة المتاحة عند الطلب. لبناء مجموعة بيانات قابلة لإعادة الإنتاج، سجّل النسخة التي استخدمتها ووقت استخدامها.
هل تعيد واجهة YouTube Data API الرسمية نصوصًا مفرّغة لأي فيديو عام؟
لا. تعيد captions.list من Google، بعد التفويض عبر OAuth، بيانات وصفية للمسار لا الكلمات الفعلية. وتسترجع captions.download المسار وتتطلب صلاحية تعديل الفيديو. القدرة على قراءة النص المفرّغ بصفتك مشاهدًا لا تعادل امتلاك تلك الصلاحية في واجهة API.
هل تتضمن النصوص أسماء المتحدثين وطوابع زمنية لكل كلمة؟
ليس على نحو موثوق. فقد يشمل المقطع النصي عبارة كاملة، وقد يسمّي المسار متحدثًا أو يحدّد صوتًا أو لا يفعل أيًا منهما. إذا احتجت إلى معرفة من تحدث ومتى، فأضف توصيفات أو استخدم فصل المتحدثين زمنيًا وتحقّق من النتيجة. وإذا احتجت إلى وقت نطق كل كلمة، فاستخدم محاذاة الكلمات مع التسجيل الفعلي؛ ولا تقسّم مدة المقطع النصي بالتساوي على كلماته.
هل النصوص المفرّغة من YouTube دقيقة بما يكفي للاقتباس؟
استخدم النص المفرّغ للعثور على اللحظة، والتسجيل للتحقق من الاقتباس. إذا اقتبست كلام متحدث ياباني بالإنجليزية، فوضّح هل الكلمات من ترجمتك أم من النص الذي رفعه صاحب الفيديو أم من الدبلجة. سلاسة الجملة ليست دليلًا على أن متحدثًا بعينه استخدم تلك الكلمات بالضبط.
هل يمكن استخدام النصوص المفرّغة العامة من YouTube لتدريب نموذج أو مشاركتها كمجموعة بيانات؟
لماذا يختلف النص المفرّغ عندما أسترجعه مرة أخرى؟
تحقّق من الفيديو ولغة الصوت ولغة النصوص المصاحبة ومصدر المسار. فقد تكون تقارن مسارين مختلفين. وحتى الفيديو نفسه قد يتغير: يمكن لمنشئ المحتوى تعديل النص أو التوقيتات ونشر مسار نصي منقّح. احتفظ بتاريخ الاسترجاع والإصدار أو بصمة المحتوى متى كان ذلك مسموحًا، لتميّز بين تعديل النص وتغيّر سياسة الاختيار لديك.